Сохранёнки программиста

Anthropic выпустили исследование про новый подход к работе с LLM — agent teams. 16 экземпляров Claude Opus 4.6 за 2 недели написали C-компилятор на 100 000 строк Rust-кода, способный собрать ядро Linux 6.9. Затраты: $20 000 на API. Результат — полноценный компилятор с поддержкой x86-64, ARM64, RISC-V. Причём это clean-room реализация: у агентов не было доступа к интернету, код зависит только от стандартной библиотеки Rust. Что умеет компилятор 🔘 Собирает PostgreSQL, SQLite, QEMU, FFmpeg, Redis, Doom 🔘 99% проходимость GCC torture test suite 🔘 Генерирует ELF-бинарники с DWARF debug info Звучит впечатляюще, но есть пикантная деталь. ➡️ Компилирует Linux, но не hello world GitHub Issue #1 показывает: компилятор не может собрать простейший hello world из-за ошибки:

/usr/include/stdio.h:34:10: error: stddef.h: No such file or directory

Компилятор просто не знает стандартные пути к системным заголовкам. Нужно вручную указывать -I/usr/lib/gcc/.../include. В комментариях пишут: "Which you arguably shouldn't even have to do lmao". Как работали агенты 🔘Каждый агент в отдельном Docker-контейнере 🔘Синхронизация через git, локи на задачи через текстовые файлы 🔘Специализация: часть писала код, другие — документацию, рефакторинг, оптимизацию 🔘Полная автономность — агенты работали без активного участия человека Автор эксперимента Nicholas Carlini признаётся: не ожидал, что это окажется возможным в начале 2026 года. Но одновременно отмечает беспокойство — работал в пентесте, находил уязвимости в продуктах крупных компаний, и мысль, что программисты выкатывают код без личной проверки, вызывает тревогу. 📎 Открытый исходный код и подробности в блоге Anthropic. @prog_stuff

Jira ушла, а задачи остались — где трекать в 2026? Сравнение российских таск-трекеров: Visary Tracker, Штаб, WEEEK и других. Смотрим, какие сценарии закрывают, как устроены под капотом и кому что подойдёт. @prog_tools

Артефакт №5. Категория: «Мониторинг» Мониторинг сотен серверов и рабочих станций обычно означает агентов на каждом устройстве, лаги в данных и десяток разных консолей. А если обойтись без этого, получать данные в реальном времени и управлять всем из одного интерфейса? Нужна система, которая дает полную observability через стандартные интерфейсы управления, и она есть у нас. Она подключается к оборудованию по протоколам — Redfish, IPMI, SNMP, Prometheus — и не требует установки софта на целевые хосты. 🤩Техническая сторона артефакта 🤩 🤩Отказ от агентов. 🤩Данные в реальном времени. 🤩Гибкие алерты на PromQL вместо примитивных пороговых значений. 🤩KVM через браузер с обходом ограничений CORS для прямого доступа к консоли сервера на аппаратном уровне. Что скрывает этот артефакт? Лучше читайте сами. Ваши предположения, какой будет тематика следующего артефакта?

«После двух лет вайб-кодинга вернулся к ручному написанию» — тема в топе HackerNews. Тред на 500+ комментов о том, как ИИ-ассистенты влияют на навыки. Главные мысли из обсуждения: 🔘 "Ты ДОЛЖЕН писать код сам. Да, AI может — но ты студент, код пока несложный. Но ты ДОЛЖЕН писать его сам" — CS-преподаватель 🔘 "No pain no gain работает и для обучения. Борьба с концептами — это и есть суть, а не результат" 🔘 "После нескольких циклов AI-генерации исчезает гордость за владение кодом. Начинаешь проект с энтузиазмом, но после пары итераций с AI..." 🔘 "Я хочу просто строить вещи, мне не нужно 'становиться сильнее'. У меня теперь мех-костюм" — контраргумент 🔘 "Self-taught разработчики всегда имеют слепые пятна. Неделю пишут на JS чтобы сэкономить 5 минут на C или bash" 📎 https://news.ycombinator.com/item?id=46765460 @prog_stuff

6 шагов выхода из выгорания — статья от разработчика, который через это прошёл 80% программистов чувствуют себя выгоревшими. Автор — Senior Developer из Берлина — сам прошёл через это: +15 кг за 3 месяца, кожная сыпь от стресса, утренние Red Bull'ы вместо энергии. ​ Его чеклист: 🔘Заставь себя отдохнуть — закрой ноутбук, никакого кода на выходных. Технологии не меняются так быстро, как кажется 🔘Поставь границы — фиксированное время ухода, никаких коммитов ночью. Тебя не уволят — замену искать дороже 🔘Физическая нагрузка — работает не хуже антидепрессантов, доказано исследованиями 🔘Верни страсть к коду — попарься с джунами, сходи в технический музей, вспомни зачем начинал 🔘Набери маленьких побед — не большие фичи, а low-hanging fruit: мелкие баги, тесты, оптимизации 🔘Смени работу — если после всего выше ничего не изменилось, проблема не в тебе 📎 https://www.theseniordev.com/blog/to-every-developer-close-to-burnout-read-this @prog_stuff

⚪️ Артефакт №2. Категория «Дизайн» ⚪️ Дашборд — это скучно до того момента, пока к его визуализации не подключат гигантский экран. Сегодняшняя история о команде, которая превратила обычную статистику посещения фестиваля в генеративное шоу. Их задача звучала как вызов: сделать так, чтобы было невозможно оторвать глаз от дашбордов. Так они создали интерактивную инсталляцию, где посетители, сами того не зная, становились частью цифрового арт-объекта. 🤩 Что скрывает этот артефакт? 🤩 🤩 Способ связки 40 потоков с YOLO v8, PostgreSQL и движок визуализации без лагов в один конвейер. 🤩 Задачу дедубликации тысяч JSON-записей от нейросетей. 🤩 Борьбу с «сырыми» данными от камер и их преобразование в чистую структуру для базы и красивого рендера. Следующий артефакт представит категорию «Виртуализация». Не пропустите.

Разработчик игры через SSH заметил странное: при вводе одного символа отправляется около 270 пакетов. CPU загружен на 30%, bandwidth — 6,5 Мбит/с. Что происходит? Разбор через tcpdump показал паттерн: 179 пакетов по 36 байт каждые 20 мс. Причина — функция obfuscate_keystroke_timing, добавленная в SSH в 2023 году. Зачем это нужно? Чтобы злоумышленники не могли определить, какие буквы вы вводите, анализируя интервалы между пакетами. SSH отправляет ложные пакеты (SSH2_MSG_PING) для маскировки реального ввода. Решение: отключить объявление расширения [email protected] на стороне сервера. Результат: 🔘CPU: 29,90% → 11,64% 🔘Syscalls: 3,10 с → 0,66 с 🔘Bandwidth: 6,5 → 3 Мбит/с Классический компромисс: безопасность против производительности. Для большинства сценариев это незаметно, но для высоконагруженных приложений через SSH — критично. 📎 https://eieio.games/blog/ssh-sends-100-packets-per-keystroke/ @prog_stuff

OpenAI рассказала, как обслуживает 800 миллионов пользователей ChatGPT на обычном PostgreSQL — больше миллиона запросов в секунду, без кастомных модификаций. Архитектура: 1 primary инстанс + ~50 read реплик на Azure-инфраструктуре. Latency на p99 — двузначные миллисекунды. Правда, есть нюанс — write-heavy workloads OpenAI вывела в Azure CosmosDB, а в PostgreSQL оставила read-heavy операции. Что интересно — они не стали городить сложную систему. Вместо этого взяли стандартный PostgreSQL и выжали из него максимум через базовые практики: connection pooling (PgBouncer) для переиспользования соединений вместо создания новых, query optimization для профилирования и переписывания тяжёлых запросов, strategic indexing — индексы ровно там, где нужны. Для AI-функций используют расширение pgvector — хранят и ищут высокоразмерные векторы (embeddings) для семантического поиска в данных ChatGPT. База обслуживает данные пользователей, истории разговоров и API-взаимодействия. ➡️ Главный вывод: PostgreSQL действительно масштабируется до экстремальных нагрузок, если правильно настроить. Не нужно сразу бежать за NewSQL или распределёнными системами — сначала стоит выжать всё из проверенных решений. Инженеры OpenAI подчёркивают: успех в том, что они фокусировались на best practices, а не на переизобретении колеса. Connection pool, индексы, read реплики — это всё есть в документации PostgreSQL. Просто нужно применить грамотно. Годный пример того, что правильное разделение нагрузки важнее выбора модной БД. PostgreSQL для чтения + CosmosDB для записи — и никакого шардинга одной базы. Простая архитектура побеждает. 📎 OpenAI Blog, Hacker News @prog_stuff

Ещё хуже, если успел сделать несколько коммитов

Статья на GitHub с 12k+ звёздами о том, почему код становится сложным — и дело не в алгоритмах. Автор вводит понятие «когнитивная нагрузка» — сколько всего разработчику нужно держать в голове, чтобы понять код. И показывает, как мы сами её раздуваем: глубоким наследованием, слоями абстракций, микросервисами ради микросервисов. Любимый пример: стартап с 5 разработчиками сделал 17 микросервисов и отстал на 10 месяцев. Каждое изменение требовало правок в 4+ местах. Цитата, которая запомнится: «A little copying is better than a little dependency» — Rob Pike. Статья короткая, с примерами кода и конкретными антипаттернами. Читается за 10 минут, а переосмысливаешь потом неделю. 📎 https://github.com/zakirullin/cognitive-load @prog_stuff

Разбираем плагины для кодинга с ИИ в VS Code На Tproger вышла статья о том, чем заменить GitHub Copilot (и почему вообще есть запрос его менять). Один из вариантов — open source плагины для VS Code по принципу BYOK (Bring Your Own Key). В статье разбирают три варианта — Continue, Cline и Kilo Code. Если коротко, то Continue — для минималистов, Cline — комбайн для работы, Kilo Code — полноценная среда для кодинга с ИИ. А в самой статье можно узнать нюансы: как настроить любой из плагинов, в чем плюсы и минусы: https://tprg.ru/t1fZ

Статья о том, почему разработчики устают не от кода, а от всего вокруг него ➡️ Главная мысль Продуктивность — это не «делать больше», а «решать сложные задачи эффективно». Большинство инженеров тратят ментальную энергию ещё до того, как написали первую строчку кода. ​ ➡️ 7 грехов 1️⃣Context switching — 23 минуты на возврат в фокус после одного уведомления 2️⃣Multitasking — оптимизируем время ответа вместо времени решения 3️⃣Urgency illusion — обсуждаем имена переменных часами, игнорируем архитектурный долг 4️⃣Parkinson's law — работа растягивается на всё отведённое время 5️⃣Zeigarnik effect — незакрытые задачи съедают "ментальную RAM" фоном 6️⃣Decision fatigue — к обеду мозг уже не способен на сложные решения 7️⃣Brooks's law — больше людей в проекте = медленнее, а не быстрее Автор предлагает системный подход: батчить коммуникации, агрессивно таймбоксить задачи, автоматизировать мелкие решения (линтеры, шаблоны), делать сложное утром, писать next step перед уходом с работы. 📎 https://strategizeyourcareer.com/p/the-7-deadly-sins-of-software-engineers-productivity @prog_stuff

Разработчик сделал свой процессор и запустил на нём GIF-плеер. Звучит безумно, но на самом деле это реально — и вот как это работает. ➡️ Что такое FPGA Обычный процессор (Intel, AMD) — готовая схема, залитая в кремний на заводе. Изменить её нельзя. FPGA — микросхема из миллионов логических блоков, соединённых сеткой проводников. На каждом пересечении — транзисторный ключ. Когда загружаешь конфигурацию, каждый ключ получает команду «включись» или «выключись» — и это определяет, как блоки соединены между собой. Ничего не двигается физически — это электрическая перекоммутация. Но в результате микросхема начинает работать как процессор, который описал автор. Не эмуляция, а реальные такты, реальные провода, реальная скорость. ➡️ Что сделал автор 1️⃣Описал простой RISC-V процессор на SystemVerilog 2️⃣Загрузил на FPGA-плату — получился работающий CPU @ 25 MHz 3️⃣Написал на C GIF-декодер (стандартная библиотека не влезла в 32 KB RAM, пришлось писать базовые функции самому) 4️⃣Запустил — гифка 195×146 px крутится на ~4 FPS ➡️ И зачем это Красивый пример того, как устроены компьютеры под капотом. От описания логики до картинки на экране — всё в двух репозиториях: сам процессор, плеер для гифок. @prog_stuff

Laravel-разработчика с 14-летним стажем сократили с работы. Параллельно закрылся фриланс-проект, на котором он сидел 5 лет. Вместо рассылки резюме он за полтора месяца допилил свой MVP до полноценного продукта. Сейчас проект приносит $3–4,5k в месяц, автор бросил искать работу и занимается только им. Обо всём этом в статье на Tproger. Длинное интервью, но читается легко — много конкретики про стек, деньги и ошибки. @prog_stuff

Любопытная статья «Код стал дешёвым. Софт — нет» Автор пишет, что Claude Code, Cursor и компания убили стоимость написания кода. Но не стоимость понимания проблемы. ​ Мы входим в эру «персонального софта» — люди генерируют себе трекеры расходов, Chrome-расширения, фитнес-приложения точно под свои нужды. Не ищут SaaS, который решает 80% задачи — делают свой за вечер. Используют и выбрасывают. ​ Но есть нюанс. Трекер ломается, когда банк меняет формат CSV. Расширение умирает, когда сайт обновляет вёрстку. Фитнес-приложение разваливается, когда нужен офлайн-режим. Код написать легко — сделать так, чтобы оно работало в реальном мире, всё ещё дорого. ​ Автор разбирает, почему мы не вступаем в золотую эру SaaS, почему истории про $10k MRR за выходные — чаще маркетинг, чем реальность, и что теперь реально отличает инженера от генератора кода. 📎 https://www.chrisgregori.dev/opinion/code-is-cheap-now-software-isnt @prog_stuff

Себастьян Рашка подвёл итоги года в LLM-мире. Рашка — автор книги «Build A Large Language Model (From Scratch)» и независимый исследователь, который пишет код руками и разбирается в деталях. Его обзоры ценны тем, что это взгляд практика, а не маркетинговый пересказ пресс-релизов. ➡️ Главное открытие года — RLVR и GRPO DeepSeek R1 в январе показал, что reasoning-поведение можно развить через reinforcement learning с проверяемыми наградами. Модель стоила ~$5M вместо ожидаемых $50–500M. После этого буквально все крупные лабы выпустили свои "думающие" модели. GRPO стал любимым алгоритмом исследователей — он концептуально интересный и не требует безумных бюджетов для экспериментов. ➡️ Тренды года 🔘Inference-time scaling — тратим больше на генерацию ответа, получаем лучше результат. DeepSeekMath-V2 так дошёл до золотого уровня на математических олимпиадах 🔘Tool use — LLM учатся использовать поиск и калькуляторы вместо галлюцинаций 🔘Benchmaxxing — модели оптимизируют под бенчмарки, а не под реальные задачи. Llama 4 — яркий пример: цифры отличные, а пользователи разочарованы ➡️ Про использование LLM в работе Рашка пишет: если модель делает всю работу, а человек только смотрит — это путь к выгоранию. Удовольствие от решения сложной задачи пропадает, когда LLM выдаёт ответ за секунду. Его подход: критичный код пишет сам (чтобы понимать и расти), а рутину типа argparse-бойлерплейта отдаёт модели. ➡️ Прогнозы на 2026 🔘Diffusion-модели для текста выйдут в продакшн (Gemini Diffusion первый) 🔘RLVR расширится за пределы математики и кода — химия, биология 🔘RAG начнёт уступать длинному контексту 🔘Прогресс будет больше от inference-оптимизаций, чем от самих моделей Статья на ~13k слов, но читается легко. Рашка не просто перечисляет события — он объясняет, почему это важно, и добавляет свой опыт. Особенно полезны секции про практическое использование LLM и честный разговор про burnout. 📎 https://magazine.sebastianraschka.com/p/state-of-llms-2025 @neuro_channel

Обзор статьи от Herb Sutter: почему C++ растёт быстрее всех, несмотря на Rust, безопасность и AI Главный архитектор C++ в Microsoft подводит итоги 2025 года. Тезис: «Software taketh away faster than hardware giveth» — наши задачи растут быстрее, чем мощность железа. Так было 80 лет, так будет и дальше. ​ ➡️ Главные ограничения 2025 года 🔘Электричество — не чипы. Все сделки OpenAI теперь в гигаваттах. Microsoft CFO: «Нам не хватает не GPU, а места и электричества для них» 🔘Чипы — NVIDIA самая дорогая компания мира, TSMC — главная точка отказа планеты ​ ➡️ Рост языков 2022-2025 Самые быстрорастущие: Rust и C++. При этом C++ за год добавил столько разработчиков, сколько всего Rust-программистов в мире. ​ ➡️ А как же «C++ небезопасен»? 🔘Только 3 из топ-10 уязвимостей MITRE связаны с языком 🔘79% кибератак вообще без malware — атакуют другое 🔘Проблемный язык — C, не C++. Единственное исследование, разделившее их (Mend.io), показывает: C++ по безопасности ближе к другим языкам, чем к C ​ ➡️ Про ИИ 🔘«Если ваша работа — следовать сложным инструкциям и нажимать кнопки, AI за ней придёт. Но это не большинство программистов» 🔘AWS CEO: «Заменить джунов на AI — одна из самых тупых идей, что я слышал» ​ 📎 Полная статья @prog_stuff

«Ага! Теперь мне всё ясно. Напишу код, который точно решит твою проблему» (спойлер: не решит)

Представьте: продакшен падает ночью. Причина — null где-то в глубине сервиса. Никто не знал, что он там может быть. Компилятор молчал. А теперь другая история: разработчик 20 минут борется с ошибками компиляции. Исправляет. Деплоит. Всё работает. Никто не просыпается ночью. Сегодня рассказываю про одну интересную статью. Автор утверждает: компилятор бесполезен не потому что он слабый, а потому что мы постоянно его обманываем: 1️⃣Null — говорим "это String", но на самом деле может быть null 2️⃣Unchecked exceptions — говорим "возвращает String", но может выкинуть исключение 3️⃣Касты — говорим компилятору "trust me bro, это точно Dog", а через месяц там оказывается Cat 4️⃣Side-effects — функция возвращает void, но делает что-то критичное. Компилятор не знает что ​ ➡️ Что происходит когда перестаёшь лгать Вместо null — Option<String>. Теперь компилятор видит разницу и заставляет обработать отсутствие значения. Вместо кастов — union types. Добавили новый case? Компилятор покажет ВСЕ места, где нужно обработать новую логику. Вместо "это просто int" — UserId, AppId, PostId. Теперь их невозможно перепутать. ​ ➡️ Реальный кейс Google Cloud outage в июне 2025 — причина null в неожиданном месте. Автор показывает, как диалог с компилятором мог бы предотвратить это: изменил тип поля на опциональное → получил сотни ошибок компиляции → понял, что дизайн неправильный → переделал на union type → компилятор показал все места, где нужна новая логика → добавил валидацию → скомпилировалось → задеплоил → спокойно спит. 📎 В общем, статья годная @prog_stuff

Можно ли выйти в интернет в 2025 году через Windows 95? Какие сайты откроются? @prog_stuff